Awesome GitHub RepositoriesImage Background Removal

ar-cutpaste is an augmented reality asset extraction tool and prototype designed to isolate objects from a live camera feed and transfer them into image editing software. It functions as a mobile-to-desktop bridge that uses machine learning to remove backgrounds from live images, creating digital cutouts for use in image composition. The system establishes a local server connection to transmit image data and spatial coordinates from a mobile device to a design application. This bridge uses a remote socket mechanism and a secure password to inject captured assets directly into a desktop worksp

U-2-Net is a PyTorch image segmentation framework and computer vision saliency model designed to generate high-resolution foreground-background masks. It functions as an AI background removal tool that identifies and isolates the most visually prominent objects within an image. The model utilizes a nested U-structure design to detect salient objects, creating precise cutouts by predicting saliency maps. These capabilities enable the separation of main subjects from their surroundings to create transparent images. The framework covers several image processing workflows, including automatic ba

Backgroundremover is an AI-powered tool that removes backgrounds from both images and videos, accessible through a command-line interface and a Python API. At its core, it uses a pre-trained deep learning model to classify each pixel as foreground or background, producing a binary mask for removal. The tool distinguishes itself through multiple integration methods and output capabilities. It can process images and videos via Unix pipeline data streams, operate as an HTTP API server, or be called programmatically within Python scripts. Users can choose among different AI models to balance proc

Background Removal JS is a client-side neural matting library that runs a lightweight AI model directly in the browser to compute alpha mattes, removing image backgrounds without uploading any data to a server. It functions as a browser-based image background removal SDK and client-side image matting library, keeping all processing on the user's device to eliminate server costs and preserve privacy. The project provides a cross-platform creative editing engine that produces identical image and video output across web, mobile, desktop, and server environments from a single codebase. It offers

BackgroundMattingV2 is a deep learning background matting tool and real-time image segmentation framework. It provides a system for isolating foreground subjects from high-resolution images and video feeds in real time. The project includes a deep learning model trainer for optimizing matting models through base convergence and end-to-end refinement. It also functions as a cross-runtime model exporter, converting trained neural networks into interchangeable formats for deployment across different software environments and hardware runtimes. The framework supports streaming processed webcam f

A command line toolkit to generate maps, point clouds, 3D models and DEMs from drone, balloon or kite images. 📷

chaiNNer is a GPU-accelerated AI image upscaling application that uses a visual node-based interface for constructing image processing pipelines. At its core, it provides a node-based visual programming environment where users connect processing nodes in a directed acyclic graph, with a graph execution scheduler that traverses the pipeline in topological order. The application includes an iterator-based batch processing system that automatically applies the same pipeline to multiple files, and a model format conversion pipeline that transforms neural network models between PyTorch, ONNX, and N

A free and open-source inpainting & image-upscaling tool powered by webgpu and wasm on the browser。| 基于 Webgpu 技术和 wasm 技术的免费开源 inpainting & image-upscaling 工具, 纯浏览器端实现。

Ce projet est un framework de matting d'image en deep learning et un outil de vision par ordinateur conçu pour séparer les personnes de leurs arrière-plans. Il fonctionne comme un moteur de matting vidéo en temps réel et un modèle d'isolation de premier plan entraînable qui génère des mattes alpha par pixel pour isoler les sujets à partir de photos et de vidéos. Le système utilise un matting alpha basé sur référence, incorporant une image d'arrière-plan spécifique pour simuler des effets d'écran vert sans écran physique. Cette approche permet la suppression et le remplacement d'arrière-plans dans des séquences haute résolution, incluant les flux vidéo en direct. Le framework prend en charge le matting haute résolution et le traitement vidéo en temps réel. Il fournit également des fonctionnalités pour l'entraînement de modèles de matting personnalisés, permettant aux utilisateurs d'entraîner des réseaux de neurones sur des jeux de données spécifiques avec des résolutions et architectures configurables.

Ce projet est un éditeur de design graphique et un créateur d'affiches en ligne basé sur le web. Il offre un environnement dans le navigateur pour créer des mises en page professionnelles, des graphismes e-commerce et des couvertures pour réseaux sociaux en utilisant un canevas avec des éléments en glisser-déposer. La boîte à outils inclut un convertisseur de modèles PSD spécialisé qui analyse les fichiers de design Photoshop en modèles web éditables. Elle propose également un générateur de QR codes personnalisé capable de produire des codes stylisés avec des dégradés et des logos intégrés, ainsi qu'un outil de manipulation d'image dans le navigateur pour recadrer des assets et supprimer des arrière-plans. L'éditeur couvre de larges capacités de design graphique, incluant la gestion des plans de travail et des calques, le formatage typographique avec effets CSS, et l'assistance à l'alignement spatial via des lignes de repère et des règles. Une sortie haute fidélité est obtenue grâce à un processus hybride de rendu frontend et côté serveur pour garantir une reproduction précise des images. Le système prend en charge la gestion de modèles utilisateur pour stocker et mettre à jour des mises en page personnalisées.

MODNet est un modèle de segmentation d'image et de matting de portrait par deep learning conçu pour isoler les sujets humains des arrière-plans. Il génère des mattes alpha de haute qualité pour les images et les vidéos en utilisant uniquement une entrée RGB standard, supprimant l'exigence de guides trimap manuels. Le framework est optimisé pour l'inférence en temps réel et fournit des utilitaires pour exporter les poids de modèles pré-entraînés dans des formats spécialisés pour un déploiement sur le matériel cible. Le projet couvre le flux de travail complet pour l'isolation de portrait, y compris l'entraînement de modèles de matting supervisés sur des jeux de données étiquetés, la suppression d'arrière-plan vidéo en temps réel et le déploiement sur matériel périphérique (edge hardware).

photo2cartoon est un outil logiciel basé sur la vision et un framework d'entraînement conçu pour convertir des photographies de portraits humains réels en images de dessins animés stylisées. Il utilise des réseaux antagonistes génératifs (GAN) pour traduire des images d'un domaine du monde réel vers un style cartoon. Le projet inclut un framework d'entraînement pour ces modèles qui prend en charge la supervision par données appariées et l'entraînement distribué multi-GPU. Il emploie des fonctions de perte préservant l'identité pour garantir que les sorties cartoon résultantes conservent les traits faciaux originaux du sujet. Le système intègre un pipeline de prétraitement complet qui gère la détection des visages, l'alignement des points clés et la suppression de l'arrière-plan pour préparer les portraits au transfert de style.

Ce logiciel est un utilitaire de vision par ordinateur conçu pour l'isolation automatisée de sujets et la suppression d'arrière-plan. Il fournit une interface de bureau graphique qui permet aux utilisateurs d'extraire des sujets de premier plan à partir d'images statiques, de fichiers vidéo et de flux de webcam en direct sans nécessiter d'interaction en ligne de commande. L'application exploite des modèles de deep learning pour générer des masques alpha haute fidélité, permettant la création d'arrière-plans transparents ou l'application de remplacements personnalisés. En utilisant le traitement tensoriel accéléré par le matériel, le système effectue une segmentation en temps réel sur les flux de caméra en direct et un traitement image par image pour les fichiers vidéo, garantissant une sortie cohérente à travers les données temporelles. L'outil inclut une gestion de configuration modulaire, permettant aux utilisateurs d'ajuster les points de contrôle du modèle et les paramètres d'environnement pour répondre à des exigences matérielles ou de stockage spécifiques. Il est distribué sous forme d'application de bureau, fournissant un environnement visuel pour les tâches de traitement multimédia.